# அதிகாரம் 01: எட்ஜ் க்கான AI பயன்பாட்டை மாற்றுதல்

EdgeAI என்பது செயற்கை நுண்ணறிவு பயன்பாட்டில் ஒரு புதிய மாற்றத்தை குறிக்கிறது, AI திறன்களை மேக அடிப்படையிலான செயலாக்கத்திலிருந்து உள்ளூர் எட்ஜ் சாதனங்களுக்கு மாற்றுகிறது. இந்த அதிகாரம், AI செயல்பாட்டின் இந்த மாற்றத்திற்கான அடிப்படை கருத்துக்கள், முக்கிய தொழில்நுட்பங்கள் மற்றும் நடைமுறை பயன்பாடுகளை ஆராய்கிறது.

## தொகுப்பு அமைப்பு

### [பகுதி 1: EdgeAI அடிப்படைகள்](./01.EdgeAIFundamentals.md)
இந்த பகுதி பாரம்பரிய மேக அடிப்படையிலான AI மற்றும் எட்ஜ் AI பயன்பாட்டு மாதிரிகளை ஒப்பிடுவதன் மூலம் அடிப்படை அடித்தளத்தை அமைக்கிறது. மாடல் அளவீடு, சுருக்கம் மேம்படுத்தல் மற்றும் எட்ஜ் சாதனங்களின் கணினி வரம்புகளை சமாளிக்கும் சிறிய மொழி மாடல்கள் (SLMs) போன்ற முக்கிய தொழில்நுட்பங்களை நாங்கள் ஆராய்கிறோம். இந்த புதுமைகள் மேம்பட்ட தனியுரிமை பாதுகாப்பு, மிகக் குறைந்த தாமதம் மற்றும் வலுவான ஆஃப்லைன் செயலாக்க திறன்களை எவ்வாறு வழங்குகின்றன என்பதை விவாதம் வலியுறுத்துகிறது.

### [பகுதி 2: நிஜ உலகக் கசே ஸ்டடிகள்](./02.RealWorldCaseStudies.md)
Microsoft இன் Phi மற்றும் Mu மாடல் சூழல்களும் Japan Airlines இன் AI அறிக்கையிடும் அமைப்பும் போன்ற தெளிவான உதாரணங்களின் மூலம், இந்த பகுதி பல்வேறு துறைகளில் வெற்றிகரமான EdgeAI செயல்பாடுகளை விளக்குகிறது. இந்த கசே ஸ்டடிகள், சிறப்பு பணிகளில் SLMs இன் சிறந்த செயல்திறனை உறுதிப்படுத்துகின்றன மற்றும் எட்ஜ் பயன்பாட்டு உத்திகளின் நடைமுறை நன்மைகளை விளக்குகின்றன.

### [பகுதி 3: நடைமுறை செயல்பாட்டு வழிகாட்டி](./03.PracticalImplementationGuide.md)
இந்த பகுதி கைக்கூலி கற்றலுக்கான விரிவான சூழல் தயாரிப்பு வழிகாட்டுதல்களை வழங்குகிறது, அவை முக்கியமான மேம்பாட்டு கருவிகள், ஹார்ட்வேர் தேவைகள், மைய மாடல் வளங்கள் மற்றும் மேம்பாட்டு கட்டமைப்புகளை உள்ளடக்கியவை. கற்றலாளர்கள் தங்களின் சொந்த EdgeAI தீர்வுகளை உருவாக்கவும், பயன்படுத்தவும் தேவையான தொழில்நுட்ப அடித்தளத்தை இது அமைக்கிறது.

### [பகுதி 4: எட்ஜ் AI பயன்பாட்டு ஹார்ட்வேர் தளங்கள்](./04.EdgeDeployment.md)
இந்த பகுதி எட்ஜ் AI பயன்பாட்டை இயக்கும் ஹார்ட்வேர் சூழலை ஆராய்கிறது, Intel, Qualcomm, NVIDIA மற்றும் Windows AI PCs போன்ற தளங்களை உள்ளடக்கியது. இது ஹார்ட்வேர் திறன்கள், தள-சிறப்பு மேம்பாட்டு உத்திகள் மற்றும் பல்வேறு எட்ஜ் கணினி சூழல்களில் நடைமுறை பயன்பாட்டு கருத்துக்களை விரிவாக ஒப்பிடுகிறது.

## முக்கிய கற்றல் முடிவுகள்

இந்த அதிகாரத்தின் முடிவில், வாசகர்கள் பின்வரும் விஷயங்களை புரிந்துகொள்வார்கள்:
- மேக மற்றும் எட்ஜ் AI கட்டமைப்புகளின் அடிப்படை வேறுபாடுகள்
- எட்ஜ் பயன்பாட்டுக்கான முக்கிய மேம்பாட்டு உத்திகள்
- நிஜ உலக பயன்பாடுகள் மற்றும் வெற்றிக் கதைகள்
- EdgeAI தீர்வுகளை செயல்படுத்துவதற்கான நடைமுறை திறன்கள்
- ஹார்ட்வேர் தளத் தேர்வு மற்றும் தள-சிறப்பு மேம்பாட்டு அணுகுமுறைகள்
- செயல்திறன் அளவீடு மற்றும் பயன்பாட்டு சிறந்த நடைமுறைகள்

## எதிர்கால தாக்கங்கள்

EdgeAI, AI பயன்பாட்டின் எதிர்காலத்தை வடிவமைக்கும் ஒரு முக்கியமான போக்காக உருவெடுக்கிறது. இது மேக இணைப்பின்றி செயல்படக்கூடிய, விநியோகிக்கப்பட்ட, திறமையான மற்றும் தனியுரிமையை பாதுகாக்கும் AI அமைப்புகளுக்கான வழியை அமைக்கிறது, அதே நேரத்தில் உயர் செயல்திறன் தரங்களை பராமரிக்கிறது.

---

**குறிப்பு**:  
இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை [Co-op Translator](https://github.com/Azure/co-op-translator) பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சிக்கின்றோம், ஆனால் தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறான தகவல்கள் இருக்கக்கூடும் என்பதை கவனத்தில் கொள்ளவும். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.